腾小云导读
当 AIGC 逐渐应用于开发业务的日常工作中，它与低代码结合使我们的研发提效，与数字人结合将为我们创造新的生态场景，更有言论认为 AIGC 与其它更多技术融合，或将取代程序员并实现自主创新？今天，我们特邀了中国信通院低代码/无代码推进中心技术专家、腾讯云 TVP 行业大使沈欣老师，他将带我们解读 AIGC 与不同技术融合与创新的趋势，欢迎阅读。
目录
1引言
2AIGC 与软件开发行业的融合
3AIGC 与创新的融合
作者介绍：
沈欣，腾讯云 TVP 行业大使，曾任喜茶数字化高级副总裁、广东省连锁经营协会技术委员会主席、上海交通大学终身教育学院特聘讲师，中国信通院低代码/无代码推进中心技术专家。
01
引言
早在古埃及时期，人类就发现了石油，但是直至 1860 年的第一个炼油厂成立，石油才成为在人类史上不可或缺的资源。同样，从第一个数据库到 2023 年 的出世，也预示着数据才真正开始被颠覆性使用。
我们认为，以 为代表的 AIGC，突破了人类生产“内容”的特权，从而将会对整个人类社会生产关系带来巨大的变化。
原来只是简单的猜单词游戏，随着喂入数据不断突破了量变界限，直接进入了质变：AI 一夜之间好像有了理解能力。
通过对话聊天窗口，我们发现 突然之间让 AI 应用变得人人可用，只需要自然语言即可。AI 不仅可以读懂你的话语，甚至可以通过推理能力了解文字背后的隐喻和暗示，并且还能够输出有逻辑的答案。这就意味着，我们可以让它替代人类，去做一些原本只有人类才能做的“内容生成工作”。
AI 永不疲倦，只要有稳定可靠的算力，就能稳定可靠地输出，在人力成本日益增加的今天，很多工作都会被 AI 替代，这一点也不令人奇怪。
接下来，我们从下面几个例子看一下 AIGC 会与哪些技术领域进行结合，并且产生革命。
02
AIGC与软件开发行业的融合
前段时间，某知名的研究机构给出一个这样的数据：根据每月工作天数、工时、每个级别的数据分析师花费的平均时间来进行统计，GPT4 的成本约为初级数据分析员成本的0.71%，为高级数据分析员成本的0.45%。
我们都知道，AI 最大的特点在于高速迭代，我们可以很清楚地预见，明年此时，成本可能会下降到目前的 20%或者更低，那时 95%的人类数据分析员都将没有存在的必要性。
同样，也有大量数据表明，使用 AIGC 编程比一个传统的编程人员效率提升 3 倍，换言之“以一敌三”。我们也看到，低代码编程已经将传统软件开发效率提升了约 5 倍，如果叠加 AIGC，那么 70%的程序员也都会被替代，低代码甚至无代码集成了工程能力，代码编程被封装，业务逻辑则是 AI 自动生成，随着 AI 技术的迭代，这一效率会进一步上升，因此，我预言程序员这个职业就像马车时代的马夫一样，会在三年内式微乃至消失。
软件的构成当然不是这么简单，编码只是一部分工作，UI、测试都是重要构成部分，而这些功能也在 AIGC 的辅助下大大提升了效率，随着复杂度被掩盖，普通的业务人员都能够直接参与到系统的开发中来。
在这个例子中，我将之总结为：按时间收费的内容制作人员，将会被 AI 无情替代，转化为按结果收费的生成式 AI。
03
AIGC与创新的融合
其实，大家往往认为创新是人类在 AI 面前最后能够坚守的阵地，但真的是这样么？
首先，我们需要定义什么叫做创新。在我看来，创新主要包括以下三类：
第一类创新有 80%以上的创造点，我们可以称之为颠覆性，比如大统一理论、量子力学等。其特点是“无中生有”，颠覆所有现有理论并更进一步解释世界。
第二类创新的创造点在 50%以上，我们称之为巨大的变革，比如大刘提出的二相箔、水滴、黑暗森林理论。这往往是两个跨学科能力的融会贯通，例如当电力被发明以后，电+一切都是创新。
第三类创新的创造点在10%以上，一般称为微创新，比如古筝行动（注：《三体》中的一次战争，创新性地采用纳米技术制造的“飞刃”摧毁敌船）、手机点餐等。其特点是通过运筹学和工程落地能力使得创新价值得以体现。
颠覆性创造
巨大的变革
微创新
>80%创新度
80%~30%创新度
30%~10%创新度
•量子力学
•曲率引擎
•大统一理论
•AIGC
•二相箔
• 及生态
•电力+应用
•手机点餐
•古筝行动
•鼠标、语音输入
“无中生有”，颠覆所有现有理论并更进一步解释世界
跨界的能力开始融会贯通
运筹学+工程落地能力展现新价值
对于物理学角度而言，所有令人震撼的科学在突破前都有着一个漫长的萌芽期，在这个时候，创新的土壤、阳光和水分都已经充足，最后由一两个天才人物通过逻辑推理和假设，把规律用严谨的方式总结并推导至更普遍的应用场景。
简单来说，没有什么创新是天上掉下来的，都是已有知识的跨界连接，90%的创新是连接产生的。如果我们用第二三类（巨大的创新和微创新）来要求 GPT 模型，我们会发现，一本正经地胡说八道难道不是创新的萌芽么？
目前的 GPT 模型的奖励机制是猜测被拿掉的单词，如果我们引入新的激励机制呢？
我们一起来看创新的人群都有什么特质？首先，他们会对新的刺激（比如一个新的段子），有着超出寻常的兴奋，并迫不及待地将其分享出去，但是当这个段子辗转反侧回到面前，又会显得不屑一顾。这里面的奖励机制需要的是一个“新组合”。但是当能穷尽的组合已经在系统内部穷举，显然无法带来额外奖励。所以和人类一样，GPT 需要不同主体间的交流，需要 AI 进行社交，在这个环境下，新的刺激、新的奖励会带来额外的激励，这也是创新的来源。
其实，在 50年代的苏联，为了提升生产力，有专门的“创造方法论”萌芽，并于 1974 年正式诞生了 TRIZ，它列出了以下几个步骤：
40种解决问题的原理：
分割
预支撑、预缓冲
跳过、略过
空隙材料
去除
等（电）势，等位
伪装
改变颜色
局部质量
所有其他方法
相关文章
